NEAR introduit la technologie de calcul privé, alliant performance et confidentialité

Récemment, l'équipe de développement du protocole de confidentialité a annoncé l'introduction du calcul aveugle et du stockage aveugle dans une blockchain publique de Layer 1 axée sur la vitesse et l'évolutivité. Cette intégration combine une infrastructure haute performance avec des outils de confidentialité avancés, permettant aux plus de 750 projets de cet écosystème de tirer parti de la technologie de calcul aveugle.

Ce réseau Layer 1 est réputé pour ses performances, ses principales caractéristiques incluent :

• Solution de sharding unique : améliore le débit des transactions et réduit la latence, adaptée aux applications à haute performance.
• Runtime basé sur WebAssembly : support des contrats intelligents en Rust et AssemblyScript, attirant des développeurs de différents horizons.
• Système de compte lisible : utilisation de noms de compte intuitifs pour améliorer l'expérience utilisateur et l'accessibilité.

Ces caractéristiques ont attiré de nombreux développeurs, entrepreneurs et créateurs, qui ont ensemble construit un écosystème prospère.

En combinant la puissance de calcul aveugle avec un traitement des transactions efficace, cela a été réalisé :

• Données de confidentialité modulaires : Les fonctionnalités de confidentialité s'intègrent de manière fluide à la blockchain, permettant l'exécution modulaire des opérations de stockage et de calcul des données dans un réseau de confidentialité, tout en assurant des règlements transparents sur la blockchain.
• Gestion des données privées : Fournit un stockage et un calcul privés pour tous les types de données, étendant les fonctionnalités de la blockchain.
• IA privée : L'accent mis par la blockchain sur l'IA autonome et détenue par l'utilisateur s'harmonise avec le stockage et les capacités de calcul privés, ouvrant ainsi un nouvel espace de conception pour l'IA décentralisée.

Cette intégration ouvre de nouvelles voies pour les applications de protection de la vie privée, notamment en ce qui concerne les solutions d'IA :

• Inférence privée : réaliser une inférence sécurisée sur les modèles d'IA, protégeant ainsi les modèles d'apprentissage automatique propriétaires et les entrées sensibles.
• Proxy privé : Avec l'essor des agents IA, les solutions de confidentialité deviennent essentielles.
• Apprentissage fédéré : renforcer la confidentialité en protégeant le processus d'agrégation, garantissant que les informations sensibles dérivées pendant l'entraînement restent confidentielles.
• Données synthétiques privées : protéger la confidentialité des données de base pendant l'entraînement de GAN.
• Recherche augmentée privée (RAG) : permet de nouvelles méthodes de protection de la vie privée pour la recherche d'informations.

De plus, cette intégration ouvre des possibilités pour des solutions de confidentialité inter-chaînes, des plateformes communautaires axées sur la confidentialité, des DeFi sécurisés et des outils pour développeurs protégeant la vie privée.

En combinant une infrastructure de haute performance avec des fonctionnalités avancées de confidentialité, un environnement est en train d'être créé, permettant aux développeurs de construire des applications puissantes et respectueuses de la vie privée, afin de répondre aux besoins du monde réel. Cela contribuera à créer une nouvelle économie numérique ouverte, permettant aux gens de mieux contrôler leurs actifs et leurs données.